Совершенствование моделей предиктивной диагностики и оценки состояния трансформаторного оборудования энергообъектов тема диссертации и автореферата по ВАК РФ 05.14.02, кандидат наук Яхья Аммар Абдулазиз

• Яхья Аммар Абдулазиз
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Яхья Аммар Абдулазиз

ВВЕДЕНИЕ

Глава 1 СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ И МОДЕЛЕЙ ДЛЯ ОЦЕНКИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ И ОСТАТОЧНОГО РЕСУРСА ЭЛЕКТРООБОРУДОВАНИЯ

1.1 Характеристика свойств предиктивности в задачах моделирования для оценки технического состояния оборудования

1.2 Силовые трансформаторы, как критический тип активов энергопредприятий

21

1.3 Информационное обеспечение в задачах оперативной и предиктивной оценки технического состояния и остаточного ресурса силовых трансформаторов

1.4 Оценка эффективности методов мониторинга параметров технического состояния трансформаторного оборудования

1.4.1 Моделирование вероятности отказа силового маслонаполненного трансформатора с учетом его технического состояния

1.4.2 Критерий оценки информативности диагностического мониторинга силовых маслонаполненных трансформаторов с применением анализа растворенных газов

1.4.3 Оценка экономического эффекта от применения мониторинга силовых маслонаполненных трансформатороа на основе анализа растворенных газов40

Выводы по главе

Глава 2 ВЫБОР МАТЕМАТИЧЕСКОГО АППАРАТА ДЛЯ РАЗРАБОТКИ ПРЕДИКТИВНЫХ И АДАПТИВНЫХ МОДЕЛЕЙ ОЦЕНКИ СОСТОЯНИЯ

ТРАНСФОРМАТОРОВ

2.1 Модели и алгоритмы предиктивной диагностики и оценки технического состояния трансформаторов с применением методов машинного обучения

2.2 Разработка нечетких предиктивных моделей интерпретации результатов анализа растворенных газов трансформаторов в программной среде проектирования

2.3 Верификация разработанных нечетких предиктивных моделей

интерпретации типа дефектов в силовых трансформаторах

Выводы по главе

Глава 3 РАЗРАБОТКА БАЗОВЫХ МОДЕЛЕЙ ДЛЯ УПРАВЛЕНИЯ СОСТОЯНИЕМ ТРАНСФОРМАТОРОВ НА ОСНОВЕ МЕТОДА

СТАТИСТИЧЕСКОЙ КЛАССИФИКАЦИИ

3.1Совершенствование моделей статистической классификации дефектов в силовых маслонаполненных трансформаторах и их интеграция с оценкой

остаточного эксплуатационного ресурса

3.2 Исследование достоверности разработанных статистических моделей для

оперативной оценки технического состояния трансформаторов

Выводы по главе

Глава 4 ИНФОРМАЦИОННО-АНАЛИТИЧЕСКАЯ ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ПО ЭКСПЛУАТАЦИИ ТРАНСФОРМАТОРНОГО ОБОРУДОВАНИЯ ЭНЕРГООБЪЕКТОВ

4.1 Формирование базовой структуры и функций информационно-аналитической поддержки принятия решений по эксплуатации трансформаторов в составе типового энергообъекта

4.2 Информационно-аналитическая поддержка принятия решений по эксплуатации трансформаторов 110 кВ распределительной электрической сети с функцией удаленного мониторинга

4.3 Информационно-аналитическая система поддержки принятия решений по

эксплуатации блочных трансформаторов 110 кВ гидроэлектростанции

Выводы по главе

Глава 5 РАЗРАБОТКА ПРИКЛАДНОГО ПРОГРАММНОГО ПРОДУКТА «ПРОГРАММА РАСПОЗНАВАНИЯ ДЕФЕКТОВ В ТРАНСФОРМАТОРАХ ПО РЕЗУЛЬТАТАМ АНАЛИЗА РАСТВОРЕННЫХ В МАСЛЕ ГАЗОВ»

5.1 Характеристика функций и структура прикладного программного продукта

133

5.2 Результаты верификации моделей и тестирования программы

Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А (Акты и справки о внедрении результатов научных

исследований)

ПРИЛОЖЕНИЕ В (Свидетельство о регистрации прикладного программного продукта)

Введение диссертации (часть автореферата) на тему «Совершенствование моделей предиктивной диагностики и оценки состояния трансформаторного оборудования энергообъектов»

ВВЕДЕНИЕ

Актуальность работы. В современных экономических условиях важной задачей электроэнергетики остается обеспечение надежности электроснабжения потребителей. Повышенные требования по надежности предъявляются ко всей системе передачи и распределения электрической энергии, важнейшим элементом которой служит трансформаторное оборудование. Силовые трансформаторы (CT) электростанций и электрических сетей представляют собой критически важное оборудование электроэнергетической системы (ЭЭС) в силу своей сложности, высокой стоимости и функциональной ответственности. Поддержание эксплуатационной надежности и предотвращение аварийных отключений трансформаторов призвана обеспечивать система технического обслуживания и ремонтов по фактическому техническому состоянию.

Вполне очевидным фактом сегодня является то, что эффективная эксплуатация объектов ЭЭС базируется на эффективной диагностике электрооборудования (в том числе и трансформаторного). Современные задачи эффективной диагностики не ограничиваются: выбором комплекса информативных контролируемых параметров оборудования, качественным их измерением в условиях эксплуатации и достоверной интерпретацией полученных результатов. Благодаря цифровой трансформации отрасли эти задачи получили значительное расширение в направлении: рационального сочетания методов on-line и off-line мониторинга СТ энергообъектов, включая технологии удаленного мониторинга, интегральной оценки состояния и прогнозирования отказа и остаточного эксплуатационного ресурса СТ, формирования математических моделей предиктивной аналитики на основе методов искусственного интеллекта и машинного обучения, разработки систем принятия решений и выбора эффективных эксплуатационных воздействий. Одним из существенных ограничений при формулировке и решении ряда перечисленных задач является отсутствие технической возможности применения многокомпонентного диагностирования в режиме on-line

5

мониторинга. Указанное ограничение обусловлено рядом причин, включая, главным образом, низкий уровень контролепригодности отдельных функциональных узлов и элементов конструкции СТ. С одной стороны это затрудняет разработку моделей оперативной и предиктивной оценки технического состояния и требует дополнительных исследований, а с другой, делает не очевидной необходимость создания универсальных многокомпонентных моделей на единой аппаратно-алгоритмической платформе.

Степень разработанности темы исследования.

Большой вклад в формирование и развитие традиционного направления научно-практических исследований в области диагностики трансформаторного оборудования внесли труды следующих отечественных и зарубежных ученых: П.М. Сви, В.В. Соколова, А.Г. Овсянникова, А.Н. Назарычева, А.И. Таджибаева, Г.В. Попова, В.Н. Осотова, Ю.Н. Львова, М.Ю. Львова, И.В. Давиденко, Л.А. Дарьяна, А.П. Долина, В.Г. Гольдштейна, А.Ю. Хренникова,

B.П. Вдовико, В.П. Васина, В.А. Русова, M. Duval, F. Jakob, P. Noble, J.J. Dukarm, О. Shutenko, I. Jakovenko, Sdood Abd Al-Gbar, Nor Asian Muhammad, Enwen Li, Zakir Husain, Shun Yuan Wang, Leehter Yao и др. Широко известны также работы в направлении совершенствования моделей диагностики и управления техническим состоянием трансформаторного оборудования с применением методов искусственного интеллекта авторов: С.А. Дмитриева,

C.Е. Кокина, Левина В.М., В.З. Манусова, А.И. Хальясмаа и др.

Не смотря на многочисленные и всеобъемлющие исследования задача совершенствования математических моделей оперативной и предиктивной оценки технического состояния СТ, а также систем поддержки принятия решений по обеспечению их надежной эксплуатации по-прежнему является достаточно острой и актуальной. В диссертационной работе предложены новые технические решения по обеспечению надежной эксплуатации СТ в составе энергетических объектов ЭЭС за счет совершенствования диагностических моделей, алгоритмов принятия решений и их программной реализации.

Объект исследования. Трансформаторное оборудование, установленное и функционирующее на объектах ЭЭС: подстанциях распределительных электрических сетей, тепловых и гидравлических электростанциях.

Предмет исследования. математические модели и алгоритмов оценки технического состояния СТ, правила принятия решений по их надежной эксплуатации.

Цель работы. Совершенствование математических моделей оценки технического состояния силовых трансформаторов и алгоритмов принятия решений по их надежной эксплуатации в составе энергообъектов электроэнергетических систем, отличающихся свойствами предиктивности (предсказательности) и адаптивности (приспосабливаемости).

Для достижения поставленной цели сформулированы и решены следующие научные задачи:

1. Сравнительный анализ методов и моделей для оценки технического состояния и остаточного ресурса электрооборудования (включая маслонаполненные силовые трансформаторы);

2. Выбор математического аппарата для разработки предиктивных и адаптивных моделей оценки технического состояния трансформаторного оборудования;

3. Разработка (совершенствование) математических моделей для оперативной оценки технического состояния и остаточного ресурса СМТ, исследование возможности повышения достоверности диагностических оценок;

4. Формирование структуры и функций информационно-аналитической поддержки принятия решений по обеспечению надежной эксплуатации маслонаполненного трансформаторного оборудования в составе объектов ЭЭС (электростанций и электросетевых подстанций);

5. Разработка и тестирование прикладного программного продукта «Программа распознавания дефектов в трансформаторах по результатам анализа растворенных газов».

Методы исследования. В работе использованы положения теории вероятности и математической статистики, методы Байесовской теории принятия решений, методы теории распознавания образов и нечеткие логики.

Обоснованность теоретических положений и выводов диссертации вытекает из строгости применяемых математических методов, а достоверность разработанных моделей подтверждается совпадением результатов с результатами опубликованных исследований других авторов, заключениями протоколов испытаний и положениями нормативных документов.

Научная новизна работы состоит в следующем:

1. Обоснована необходимость совершенствования адаптивных (предиктивных) свойств базовых моделей Байесовской классификации дефектов в маслонаполненном трансформаторном оборудовании для повышения их достоверности с применением методов математической статистики и ретроспективы анализа растворенных в масле газов;

2. Впервые предложена количественная мера эффективности любого метода мониторинга параметров состояния СТ в составе объекта электроэнергетики при оценке индекса технического состояния единицы оборудования, а также методика ее применения для определения показателей эксплуатационной надежности и экономической эффективности;

3. Разработан обобщенный адаптивный алгоритм управления техническим состоянием силового маслонаполненного трансформаторного оборудования на основе оперативной (предиктивной) оценки и принятия решений по его дальнейшей надежной эксплуатации. Алгоритм реализован с применением комбинированных моделей и методов статистической классификации, нечеткой логики и нечеткого логического вывода;

4. Разработано и протестировано прикладное программное обеспечение (ППО), предназначенное для оценки технического состояния маслонаполненного трансформаторного оборудования и выбора воздействий по поддержанию его работоспособности. Программа создана в компьютерной среде LabView.2018, что обеспечивает высокий уровень визуализации, удобства

применения и достоверности результатов оценок. В программе использованы разработанные математические модели, а также лучшие методики интерпретации результатов АРГ СТ (РД 153-34.0-46.302-00, треугольник Дюваля).

Теоретическая значимость работы заключается в развитии математических моделей оперативной и предиктивной оценки состояния СТ, а также формировании ключевых компонент информационно-аналитической поддержки принятия решений по эксплуатации трансформаторного оборудования и ее тестировании на примерах конкретных энергообъектов.

Практическая значимость результатов работы:

1) Разработанные адаптивные модели предиктивной диагностики и оперативной оценки технического состояния силовых трансформаторов, а также методика их формирования и алгоритм принятия решений по управлению техническим состоянием представляют собой эффективное специализированное приложение к существующей системе мониторинга трансформаторного оборудования Новосибирской ГЭС, филиала ПАО «РусГидро»;

2) Вычислительные модели и алгоритмы для расчета текущих значений индекса технического состояния единиц основного энергетического оборудования подстанций разных типов и классов напряжения (силовых трансформаторов, асинхронных двигателей, др.), а также значений их остаточного эксплуатационного ресурса нашли отражение в нормативно-методических документах ПАО «Газпром нефть». Они применяются при оптимизации планирования ТОиР энергооборудования с учетом его фактического технического состояния для повышения обоснованности принятия решений по объемам и периодичности технических воздействий;

3) Разработанное прикладное программное обеспечение, реализующее усовершенствованные математические модели и алгоритмы оценки технического состояния маслонаполненного трансформаторного оборудования и выбора воздействий по поддержанию его работоспособности, доступны в

учебном процессе подготовки магистров направления 13.04.02 «Электроэнергетические системы и сети» по дисциплине «Эксплуатация электрических сетей».

Положения, выносимые на защиту:

1. Целесообразность совершенствования математических моделей статистической Байесовской классификации состояний СТ на основе результатов АРГ обоснована необходимостью развития их потенциала в направлении повышения:

■ адаптивных свойств оперативной оценки состояния к изменениям значимых эксплуатационных факторов;

■ универсальности в отношении статистических свойств распределений случайных контролируемых признаков, что повышает достоверность диагностических оценок;

■ многокомпонентности диагностирования (мониторинга) отдельных функциональных узлов и СТ в целом что упрощает процедуру реализации технологии удаленного диагностического мониторинга трансформаторного оборудования, эксплуатируемого в составе энергообъектов ЭЭС: электростанций и электрических сетей.

2. Разработка диагностических моделей распознавания типа прогнозируемых в СТ развивающихся дефектов на основе аппарата нечеткой логики, нечеткого логического вывода, методов машинного обучения и метода АРГ обеспечивает высокий уровень достоверности диагностических оценок, что является необходимым условием для принятия обоснованных решений по обеспечению дальнейшей надежной эксплуатации трансформаторного оборудования на объектах ЭЭС;

3. Обобщенный адаптивный алгоритм управления техническим состоянием силового маслонаполненного трансформаторного оборудования на основе оперативной (предиктивной) оценки и принятия решений по дальнейшей надежной эксплуатации и его модификации представляют собой базовый компонент формируемой информационно-аналитической системы и

обеспечивают комплексное решение задачи;

4. Прикладное программное обеспечение входит в вычислительное ядро информационно-аналитической системы поддержки принятия решений по эксплуатации силового трансформаторного оборудования на энергообъектах ЭЭС и обеспечивает достоверные оценки по распознаванию дефектов в СТ без участия эксплуатационного персонала, что исключает возможные ошибки диагноза, обусловленные человеческим фактором.

Соответствие паспорту научной специальности. Диссертационная работа соответствует следующим пунктам паспорта научной специальности 05.14.02 - Электрические станции и электроэнергетические системы:

■ п. 5 «Разработка методов диагностики электрооборудования электроустановок»;

■ п. 6 «Разработка методов математического и физического моделирования в электроэнергетике»;

■ п. 13 « Разработка методов использования ЭВМ для решения задач в электроэнергетике».

Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на научных семинарах и заседаниях кафедры Автоматизированных электроэнергетических систем НГТУ и на международных, всероссийских научных конференциях: «Проблемы и перспективы развития энергетики, электротехники и энергоэффективности», г. Чебоксары, 2019 г; «Гидроэлектростанции в XXI веке», г. Саяногорск, Черемушки, 2018 г., 2019 г; «Дни науки НГТУ», г. Новосибирск, 2018 г.; «Интеллектуальная энергетика на транспорте и в промышленности», г. Омск, 2018 г.; «Наука и молодежь», г. Барнаул, 2020 г.; «Энергетика и энергосбережение: теория и практика», г. Кемерово, 2020 г.; «International multi-conference on industrial engineering and modern technologies (FarEastCon)», Vladivostok, 2020 г, 2021 г.; «Борисовские чтения - III Всероссийская научно-техническая конференция», г. Красноярск, 2021 г.; «Методические вопросы исследования надёжности больших систем энергетики

», г. Иркутск, 2021 г.

Публикации. По теме диссертационной работы опубликовано 19 статья, в том числе 5 статей в рецензируемых научных изданиях, рекомендованных ВАК РФ, 4 публикации в материалах конференций и в журналах, индексируемых в международных базах научного цитирования Scopus и Web of Science, 10 публикаций в прочих изданиях. В совместных работах доля автора составляет не менее 60%.

Структура и объем работы. Диссертационная работа включает в себя введение, пять глав, заключение, список сокращений, список литературы, состоящий из 146 библиографических ссылок, и двух приложений.

Общий объем работы составляет 193 страниц машинописного текста, в том числе 35 таблицы и 84 рисунков.

Глава 1 СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ И МОДЕЛЕЙ ДЛЯ ОЦЕНКИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ И ОСТАТОЧНОГО РЕСУРСА ЭЛЕКТРООБОРУДОВАНИЯ

1.1 Характеристика свойств предиктивности в задачах моделирования для оценки технического состояния оборудования

Предиктивная аналитика - это использование данных, статистических алгоритмов и методов машинного обучения для определения вероятности будущих результатов на основе исторических данных. Цель предиктивной аналитики состоит в том, чтобы не ограничиваться знанием того, что произошло, чтобы дать наилучшую оценку того, что произойдет в будущем [15]. Хотя прогнозная аналитика существует уже несколько десятилетий, время осознанного применения этой технологии только пришло. Все больше и больше организаций обращаются к прогнозной аналитике, чтобы увеличить свою прибыль и конкурентное преимущество. Причины необходимости предиктивности аналитики:

• Растущие объемы и типы данных, а также рост интереса к использованию данных для получения ценной информации.

• Более быстрые и дешевые компьютеры.

• Программное обеспечение, более простое в использовании.

• Более жесткие экономические условия и необходимость конкурентной дифференциации. С распространением простого в использовании интерактивного программного обеспечения, прогнозная аналитика больше не является сферой деятельности математиков и статистиков, поскольку она стала широко использоваться инженерами-энергетиками и техническими специалистами при анализе данных электрического оборудования с целью диагностики технических состояний, отслеживания отклонений, а также прогнозирования неисправностей электрооборудования (в том числе трансформаторного).

Модели предиктивности

Используются известные результаты для разработки (обучения) модели, которую можно применять для прогнозирования значений традиционных или новых данных. Моделирование предоставляет результаты в форме прогнозов, которые представляют вероятность целевой переменной на основе оценки значимости из набора входных переменных. Известны два типа прогнозных моделей:

1. Классификационное прогнозное моделирование - это задача аппроксимации отображающей функции (/) от входных переменных (X) до дискретных выходных переменных (7). Выходные переменные часто называют метками или категориями. Функция отображения предсказывает класс или категорию для данного наблюдения. Например, техническое состояние силового трансформатора можно разделить на нормальное при отсутствии признаков дефектов, и отклонение от нормы, когда обнаружены признаки дефектов. При необходимости можно классифицировать состояния отклонения от нормы по видам дефектов на электрические, термические или смешанные неисправности [6].

■ Проблема классификации требует, чтобы состояния были отнесены к одному из двух или более классов.

■ Классификация может выполняться при непрерывных или дискретных входных переменных.

■ Проблема с двумя классами часто называется проблемой двухклассовой или двоичной классификации.

■ Проблема с более чем двумя классами часто называется проблемой классификации нескольких классов.

■ Проблема, когда рассматриваемому состоянию присваивается несколько классов, называется проблемой классификации с несколькими метками.

Известен ряд способов оценки свойств модели прогнозной классификации, однако наиболее распространенным является вычисление точности классификации [7]. Точность классификации - это процент правильно

классифицированных примеров из всех сделанных прогнозов.

Т = (С/А)*100% ^ ^

где Т - точность , С - количество правильных прогнозов, А - общее количество прогнозов. Алгоритм, способный обучать модель прогнозной классификации, называется алгоритмом классификации.

2. Прогнозирующее регрессионное моделирование - это задача аппроксимации функции отображения (/) от входных переменных (X) к непрерывной выходной переменной (7). Непрерывная выходная переменная -это вещественное значение, такое как целое число или значение с плавающей запятой. Рассмотрим, например, анализ характеристик жизненного цикла силового трансформатора на основе прогнозирующей регрессии.

■ Задача регрессии требует предсказания количества.

■ Регрессия может иметь непрерывные или дискретные входные переменные.

■ Задача с несколькими входными переменными часто называется проблемой многомерной регрессии.

■ Задача регрессии, в которой входные переменные упорядочены по времени, называется задачей прогнозирования временных рядов.

Поскольку модель прогнозирования регрессии предсказывает количество, свойство модели должно восприниматься как ошибка в этих прогнозах. Существует ряд способов оценить эффективность модели прогнозирования регрессии. Наиболее распространенным является вычисление среднеквадратичной ошибки, сокращенно ВСКО.

ВСКО

1(Рг - А)

N

(1.2)

где Рг - прогнозное значение, А1 - фактическое значение, N - общее количество наблюдений. Преимущество ВСКО заключается в том, что единицы оценки ошибки находятся в тех же единицах, что и прогнозируемое значение. Алгоритм, способный обучать модели прогнозирования регрессии, называется

алгоритмом регрессии [8].

Методы предиктивного моделирования

Существует множество приложений, используемых для прогнозирования технического состояния силовых трансформаторов, которые были тщательно исследованы [7, 15]. Среди этих распространенных приложений:

■ деревья решений - это модели классификации, которые разделяют данные на подмножества на основе категорий входных переменных. Дерево решений выглядит как дерево, в котором каждая ветвь представляет собой выбор между несколькими альтернативами, а каждый лист представляет собой классификацию или решение [8]. Такая модель смотрит на данные и пытается найти одну переменную, которая разбивает данные на логические группы с наибольшим различием. Деревья решений популярны, потому что их легко понять и интерпретировать [9]. Они также хорошо обрабатывают пропущенные значения и полезны для предварительного выбора переменных. На рисунке 1.1 показан простой пример модели дерева решений.

■ регрессия (линейная и логистическая) - один из самых популярных методов статистики. Регрессионный анализ оценивает взаимосвязь между переменными. Предназначенный для непрерывных данных, которые, как можно предположить, следуют нормальному распределению, он находит ключевые шаблоны в больших наборах данных и часто используется для определения того, насколько конкретные факторы влияют на движение к цели [10].

исходные данные

неисправности

электрическая дефект

термическая дефект

норма без дефектов

Рисунок 1.1 - Модель дерева решений

С помощью регрессионного анализа мы хотим предсказать число, называемое откликом или переменной У. При линейной регрессии одна независимая переменная используется для объяснения и / или прогнозирования результата У. Множественная регрессия использует две или более независимых переменных для прогнозирования результата. При логистической регрессии неизвестные значения дискретной переменной прогнозируются на основе известных значений других переменных. Переменная отклика является категориальной, то есть может принимать только ограниченное количество значений [11]. При бинарной логистической регрессии переменная ответа имеет только два значения, например 0 или 1. Во множественной логистической регрессии переменная отклика может иметь несколько уровней, например низкий, средний и высокий или 1, 2 и 3 (рисунок 1.2).

КегаЪап = 800

к

Рисунок 1.2 - Регрессионная модель

Одним из перспективных практических приложений регрессионного типа моделей служат так называемые «быстрые» модели прогнозирования остаточного эксплуатационного ресурса оборудования энергообъектов ЭЭС [15]. Такие модели формируются практически мгновенно на основе нескольких связанных во времени последовательных текущего и предыдущего измерений

контролируемого ресурсного параметра Х^ 1} , ) и имеют вид (1.3):

Яост = А- Хпр-Х, +5. (1.3)

tj—tj_1

Здесь А =———— - вычислительная константа, характеризующая Х1~Х1-\

интенсивность деградации функционального узла единицы оборудования; Хпр

- предельно-допустимое значение ресурсного параметра; В - свободный член полинома, который может принимать произвольное значение или быть равен нулю.

■ нейронные сети представляют собой сложные техники, способные моделировать чрезвычайно сложные отношения. Они популярны, потому что обладают мощью и гибкостью. Сила заключается в их способности обрабатывать нелинейные отношения в данных, что становится все более распространенным по мере того, как мы объединяем большее количество данных [12]. Они часто используются для подтверждения результатов, полученных с помощью простых методов, таких как регрессия и деревья решений. Нейронные сети основаны на распознавании образов и некоторых процессах искусственного интеллекта, которые графически «моделируют» параметры. Они работают хорошо, когда неизвестна математическая формула, которая связывает входные данные с выходными, прогнозирование важнее объяснения или имеется много обучающих данных. На рисунке 1.3 представлена простая модель нейронной сети.

Рисунок 1.3 - Модель нейронной сети

Искусственные нейронные сети были первоначально разработаны исследователями, которые пытались имитировать нейрофизиологию человеческого мозга [13].

■ Байесовский анализ и классификация. Байесовские методы принятия решений рассматривают параметры как случайные величины и определяют вероятность как «степень уверенности» (то есть вероятность события - это степень, в которой признается, что событие истинно). Применение Байесовской теории решений начинается с предварительного утверждения относительно распределения вероятностей неизвестного параметра [14, 15]. При получении новой информации (эмпирических данных) обновляются (уточняются) полученные ранее сведения о неизвестном параметре. Математической основой Байесовской теории решений служит формула Байеса:

(14)

, , — X / П • I- П .

(п , / х)= -к. ]

р( X)

Здесь: X е \к. | (= 1, т) - выборочная совокупность контролируемых

параметров; ¡ — \,к - априорные вероятности принадлежности к

каждому из возможных классов; р(х) - плотность вероятности вектора контролируемых параметров. Байесовский классификатор при наличии дихотомии классов состояний объекта (/ = 1,2) преобразуется к виду [Применение методов искусственного интеллекта ...] (1.5):

ё (х )=- 1п

р(х / П1)" Р(х / П 2 )

- 1п

-(П 2 ) -ю

>

0 ^ X е

<

П1 П

(1.5)

2

Здесь: ——- отношение правдоподобия, а

р X / П 2

П

2

Лп

- его произвольное

пороговое значение, зависящее от условий классификации и характеризующее суммарную ошибку диагноза е = ; £1 - ошибка первого рода или

"пропуск дефекта"; £2 - ошибка второго рода или "ложная тревога". Согласно

<

теории [51] Байесовский классификатор обеспечивает минимальную вероятность суммарной ошибки решения и, в этом смысле, является оптимальным. Известна каноническая форма Байесовского классификатора [52], которая при помощи дискриминантной функции g X устанавливает

соответствие вектора параметров X классу состояний П г при справедливости

условия gi (X)> gj (X) для всех у Ф г (рисунок 1.4). В общем случае

дискриминантная функция g X может быть задана в виде линейного,

Список литературы диссертационного исследования кандидат наук Яхья Аммар Абдулазиз, 2022 год

СПИСОК ЛИТЕРАТУРЫ

1. Правиков, Д. И. Прогностика и предиктивная аналитика технических систем как элемент технологической безопасности. Новые подходы / Д. И. Правиков, О. О. Тихоненко, А. Ю. Щербаков. - Текст : непосредственный // Вестник современных цифровых технологий. - 2020. - № 3. - С. 22-30.

2. Липатов, М. Первый в России комплекс предиктивной аналитики для энергетического и промышленного оборудования / М. Липатов. - Текст : непосредственный // Экспозиция Нефть Газ. - 2016. - № 3 (49). - С. 82-83.

3. Давиденко, И. В. Определение периодичности контроля параметров для надежной, эффективной оценки состояния силовых трансформаторов в эксплуатации / И. В. Давиденко, А. Н. Мойсейченков, К. В. Овчинников. -Текст : непосредственный // Энергоэксперт. - 2019. - № 4 (72). - С. 50-54.

4. Predictive Analytics Usage for Power Transformer Operating Costs Optimization / I. V. Davidenko, A. N. Moiseichenkov, I. V Malygin, K. V Ovchinnikov. - Текст : непосредственный // IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus). - 2020. - Р. 11981203.

5. Yahya, A. A. Support for decision-making to ensure reliable operation of transformers as part of a responsible power facility / A. A. Yahya, V. M. Levin. -Текст : электронный // International multi-conference on industrial engineering and modern technologies (FarEastCon) : [proc.], Vladivostok, 6-9 Oct. 2020. -Vladivostok : IEEE, 2020. - 6 р. - URL: https://ieeexplore.ieee.org/document/9271626. - Title from screen - DOI: 10.1109/FarEastCon50210.2020.9271626.

6. Обходский, А. В. Классификация неисправностей силового трансформатора при помощи нейронных сетей. в сборнике: молодежь и современные информационные технологии / А. В. Обходский, Е. В. Ефремов, А. С. Попов. - Текст : непосредственный // Молодежь и современные информационные технологии : сб. тр. XVII междунар. науч.-практ. конф.

студентов, аспирантов и молодых учёных, 17-20 февраля 2020 г., г. Томск. -Томск : Изд-во ТПУ, 2020. - С. 177-178.

7. Хальясмаа, А. И. Машинное обучение как инструмент повышения эффективности управления жизненным циклом высоковольтного электрооборудования / А. И. Хальясмаа. - Текст : непосредственный // Вестник Иркут. гос. техн. ун-та. - Иркутск, 2020. - Т. 24, № 5 (154). - С. 1093-1104.

8. Высогорец, С. П. Разработка новых методов и алгоритма оценки качества эксплуатационных масел силовых трансформаторов напряжением 35 -110 кв : специальность 05.14.12 «Техника высоких напряжений» : дис. на соискание ученой степени кандидата техн. наук / С. П. Высогорец ; Санкт-Петербургский гос. политехн. ун-т. - Санкт-Петербург, 2012. - 260 с. - Текст : непосредственный.

9. Высогорец, С. П. Прогнозирование остаточного ресурса масел силовых трансформаторов на основе анализа качества жидкого диэлектрика / С. П. Высогорец. - Текст : непосредственный // Надежность и безопасность энергетики. - 2016. - № 1 (32). - С. 50-54.

10. Давыдовский, А. Г. Математическое моделирование влияния космо-гелио-геофизических факторов на безопасность надежность энергетических инфраструктур / А. Г. Давыдовский. - Текст : непосредственный // European Journal of Technical and Natural Sciences. - Vienna, 2018. - № 2. - С. 47-51.

11. Незевак, В. Л. Совершенствование модели влияния параметров графика движения поездов на тяговое электропотребление на участках постоянного и переменного тока c i-м и ii-м типом профиля пути при помощи регрессионных моделей и нейронных сетей / В. Л. Незевак. - Текст : непосредственный // Вестник транспорта Поволжья. - 2017. - № 6 (66). - С. 3444.

12. Продление ресурса масляных трансформаторов с длительным сроком эксплуатации / О. О. Кривоконева, Р. И. Кудояров, Е. Ю. Мавлекаев [и др.]. -Текст : непосредственный // Вестник Южно-Уральского гос. ун-та. Серия: Энергетика. - 2017. - Т. 17, № 3. - С. 60-66.

13. Совершенствование хроматографического метода оценки технического состояния силовых масляных трансформаторов / М. Г. Баширов, А. С. Хисматуллин, Л. М. Салиева, И. Ф. Зайнакова. - Текст : непосредственный // Фундаментальные исследования. - 2015. - № 10, Ч. 2. - С. 233-237.

14. Левин, В. М. Экспресс-оценка состояния силовых трансформаторов для обеспечения эксплуатационной надежности / В. М. Левин, Н. Н. Керимкулов. - Текст : непосредственный // Системы. Методы. Технологии. -2016. - № 4 (32). - С. 101-109.

15. Яхья, А. А. Байесовский классификатор как средство повышения эффективности распознавания дефектов в силовых трансформаторах / А. А. Яхья, В. М. Левин. - Текст : непосредственный // Изв. высших учебных заведений. Проблемы энергетики. - 2019. - Т. 21, № 6. - С. 11-18.

16. Хлыстиков, А. В. Проблемы надежности работы силовых трансформаторов / А. В.Хлыстиков, И. В. Игнатьев. - Текст : непосредственный // Системы. Методы. Технологии. - 2013. - № 3 (19). - С. 117-120.

17. Баширов, М. Г. Повышение надежности и безопасности эксплуатации силовых маслонаполненных трансформаторов / М. Г. Баширов, А. С. Хисматуллин, И. В. Прахов. - Текст : непосредственный // Безопасность в техносфере. - 2018. - Т. 7, № 2. - С. 15-21.

18. Сартисон, А. А. Надёжность работы силовых трансформаторов предприятий агропромышленного комплекса и сельских потребителей / А. А. Сартисон, А. Х. Сартисон. - Текст : непосредственный // Изв. международной академии аграрного образования. - 2015. - № 21. - С. 32-36.

19. Василевский, В. В. Оценка расхода ресурса бумажной изоляции силового маслонаполненного трансформатора с помощью уточненной формулы интеграла старения / В. В. Василевский. - Текст : непосредственный // Электротехника и электромеханика. - 2015. - Вып. 1. - С. 23-28.

20. Тихомиров, П. М. Расчет трансформаторов : учеб. пособие для

студентов электротехн. и электромехан. специальностей вузов / П. М. Тихомиров. - 6-е изд., стер. - Москва : АльянС, 2009. - 526, [1] с. : ил., табл.; 21 см. - Текст : непосредственный.

21. Славинский, А. З. Российские высоковольтные вводы: более 80 лет истории / А. З. Славинский, К. Г. Сипилкин, Ю. В. Никитин. - Текст : непосредственный // Электрические станции. - 2015. - № 2 (1003). - С. 70-74.

22. Голоднов, Ю. М. Контроль за состоянием трансформаторов / Ю. М. Голоднов. - Москва : Энергоатомиздат, 1988. - 88 с. - Текст : непосредственный.

23. . Развитие технологий устройств регулирования напряжения силового трансформатора / Ю. В. Коновалов, Л. А. Наумова, И. К. Просянников, В. Б Баранов. - Текст : непосредственный // Современные технологии и научно-технический прогресс. - 2019. - № 1. - С. 234-235.

24. Лавров, А. Г. Анализ режимов регулирования вторичного напряжения трансформаторов с устройствами РПН / А. Г. Лавров, Е. Н. Попов. - Текст : непосредственный // Изв. СПбГЭТУ «ЛЭТИ». - 2017. - № 5. - С. 53-58.

25. Harlow, J. H. Electric power transformer engineering / J. H. Harlow. -Boca Raton : CRC press, 2003. - 496 р. - Текст : непосредственный.

26. Анализ современных методов и аппаратуры контроля качества трансформаторного масла / Я. М. Кашин, Г. А. Кириллов, А. В. Варенов [и др.]. - Текст : непосредственный // Вестник Адыгейского гос. ун-та. Серия 4: Естественно-математические и технические науки. - 2017. - №3 (206). - C. 109121.

27. Бондаренко, В. Е. Анализ традиционной системы оценки состояния трансформаторных масел в баках трансформаторов и автотрансформаторов напряжением 330 кВ / В. Е. Бондаренко, Н. В. Аулова. - Текст : непосредственный // Вестник НТУ «ХПИ» : сб. науч. тр. - 2010. - № 45. - С. 38-47.

28. International standard IEC60354: Loading guide for oil immersed power transformers. - Second edition 1991-09. - Geneva, Switzerland International

Electrotechnical Commission, 1991. - 11 р. -

URL: https: //www.saiglobal .com/pdftemp/previews/osh/iec/iec60000/60300/iec6035 4%7Bed2.0%7Den_d.img.pdf (дата обращения: 12.11.2021). - Текст : электронный.

29. IEEE Std C57.91-1995(R2004) (Revision of IEEE Std C57.91-1981, IEEE Std C59.92-1981, and IEEE Std C57.115-1991) IEEE Guide for Loading Mineral-Oillmmersed Transformers: Approved 21 December 2004 American National Standards Institute - New York, USA, The Institute of Electrical and Electronics Engineers, 2004. - 108 р. - Текст : непосредственный.

30. РД 153-34.0-46.302-00 Методические указания по диагностике развивающихся дефектов трансформаторного оборудования по результатам хроматографического анализа газов, растворенных в масле. - Москва : Изд-во НЦ ЭНАС. - 2001. - 41 с. - Текст : непосредственный.

31. International standard IEC60599: Interpretation of the analysis of gases in transformers and other oil-filled electrical equipment in service. - Geneva, Switzerland, International Electrotechnical Commission Standard, 1978. - 25 р. -Текст : непосредственный.

32. IEEE Std. C57.104-1991: IEEE guide for the interpretation of gases generated in oil immersed transformers: Recognized as an American National Standard (ANSI). - New York, USA The Institute of Electrical and Electronics Engineers, 1991. - 36 р. - Текст : непосредственный.

33. Ларин, В. С. Анализ частотных характеристик для локализации коротких замыканий в обмотках трансформаторов / В. С. Ларин. - Текст : непосредственный // Электричество. - 2018. - № 4. - С. 14-25.

34. Волков, А. Ю. Подходы к анализу частотных характеристик для оценки состояния силовых трансформаторов / А. Ю. Волков, В. С. Ларин. -Текст : непосредственный // Энергоэксперт. - 2019. - № 2 (70). - С. 34-38.

35. Мостовой, С. Е. Методика диагностирования силовых трансформаторов на основе оперативного контроля частичных разрядов : специальность 05.09.03 «Электротехнические комплексы и системы» : автореф.

дис. на соискание ученой степени кандидата техн. наук / С. Е. Мостовой. -Магнитогорск, 2011. - 34 с. - Текст : непосредственный.

36. Об определении влагосодержания трансформаторного масла титрованием по Карлу Фишеру / А. П. Куликова, О. А. Туранова, В. К. Козлов, А. Н. Туранов. - Текст : непосредственный // Изв. высших учебных заведений. Проблемы энергетики. - 2010. - № 11-12. - С. 91-96.

37. Василевский, В. В. Модель динамики влажности в системе "Бумажная изоляция - Трансформаторное масло" в нестационарных тепловых режимах силового трансформатора / В. В. Василевский. - Текст : непосредственный // Електротехшка i електромехашка. - 2016. - № 13 - С. 17-20.

38. Алексеев, Б. А. Контроль состояния (диагностика) крупных силовых трансформаторов / Б. А. Алексеев. - Москва : Изд-во НЦ ЭНАС, 2002. - 216 с. -Текст : непосредственный.

39. Arvind, D. Condition monitoring of power transformer: A review / D. Arvind, S. Khushdeep, K. Deepak. - Текст : непосредственный // IEEE/PES Transmission and Distribution Conference and Exposition. - 2008. - Р. 1-6.

40. H. de Faria Jr. A review of monitoring methods for predictive maintenance of electric power transformers based on dissolved gas analysis / H. de Faria Jr, J. G. S. Costa, J. L. M. Olivas. - Текст : непосредственный // Renew sustainable energy review. - 2015. - Vol. 46. - Р. 201-209.

41. Bakar, N. A. A new method to detect dissolved gases in transformer oil using NIR-IR spectroscopy / N. A. Bakar, A. Abu-Siada. - Текст : непосредственный // IEEE Trans. Dielectr. Electr. Insul. - 2017. - Vol. 24, № 1. -Р. 409-419.

42. Causes of transformer failures and diagnostic methods-A review / Aj. Christina, M. A. Salam, Q. M. Rahman [et al.]. - Текст : непосредственный // Renew sustainable energy review. - 2018. - Vol. 82. - Р. 1442-1456.

43. Захаров, О. А. Цифровизация электросетевого комплекса: пути решения или система прогностики и мониторинга / О. А. Захаров. - Текст : электронный // РУМ. Руководящие материалы по проектированию и

эксплуатации электрических сетей. - 2019. - № 3 (587). - URL: https://prana-system.com/novosti/novosti/cifrovizaciya-elektrosetevogo-kompleksa-puti-resheniya-ili-sistema-prognostiki-i-monitoringa ( дата обращения: 20.05.2021).

44. Смекалов, В. В. Создание программно-технического комплекса для принятия решения о воздействии на электросетевое оборудование с учётом его технического состояния и индекса важности на основе современных методов диагностики и обработки данных / В. В. Смекалов, А. А. Волошин, А. А. Гусарова. - Текст : электронный // РУМ. Руководящие материалы по проектированию и эксплуатации электрических сетей. - 2019. - № 3 (587). -URL: https://cis-ees.ru/RUM/eMagazine/Articles/Details/3109 ( дата обращения: 17.06.2021).

45. Yahya, A. A. Assessment of the Efficiency of Transformers Technical Condition Monitoring Based on Dissolved Gas Analysis / A. A. Yahya, V. M. Levin. - Текст : непосредственный // J. Sib. Fed. Univ. Eng. Technol. - 2020. - Vol. 13, №. 4. - Р. 438-448.

46. Ящура, А. И. Система технического обслуживания и ремонта энергетического оборудования : справочник / А. И. Ящура. - Москва : Изд-во НЦ ЭНАС, 2006. - 504 с. - Текст : непосредственный.

47. Байдюк, А. М. Оценка технического состояния и надежности электрических машин / А. М. Байдюк, Г. В. Комарова. - Текст : непосредственный // Изв. СПбГЭТУ "ЛЭТИ". - 2019. - № 3. - С. 78-84.

48. Левин, В. М. Моделирование потока отказов силовых трансформаторов в условиях эксплуатации / В. М. Левин. - Текст : непосредственный // Современные энергетические системы и комплексы, и управление ими : материалы VIII междунар. науч.-практ. конф. - Новочеркасск, 2008. - С. 4-8.

49. CTO 34.01-23.1-001-2017. Объемы и нормы испытаний электрооборудования. - Москва : Изд-во ПАО "Россети", 2017. - 262 с. - Текст : непосредственный.

50. Лизунова, С. Д. Силовые трансформаторы : справочная книга / А. К.

Лоханина. - Москва : Энергоиздат, 2004. - 616 с. - Текст : непосредственный.

51. Фукунага, К. Введение в статистическую теорию распознавания образов / К. Факунага. - Москва : Наука, 1979. - 368 с. - Текст : непосредственный.

52. Дуда, Р. Распознавание образов и анализ цен : пер. с англ. / Р. Дуда, П. Харт. - Москва : Мир, 1976. - 511 с. - Текст : непосредственный.

53. Применение методов искусственного интеллекта в задачах технической диагностики электрооборудования электрических систем / В. М. Левин, А. И. Хальясмаа, Дж. С. Ахьёев, В. З. Манусов. - Новосибирск : Изд-во НГТУ, 2020. - 446 с. - Текст : непосредственный.

54. Яхья, А. А. Совершенствование моделей оценки состояния трансформаторов ГЭС в режиме On-Line мониторинга / А. А. Яхья, К. И. Сагалакова, В. М. Левин. - Текст : непосредственный // Гидроэлектростанции в XXI веке : сб. материалов 5 всерос. науч.-практ. конф., Саяногорск; Черемушки, 26-27 апр. 2018 г. - Саяногорск : Изд-во Сиб. федер. ун-т; Саяно-Шушен. фил., 2018. - C. 40-47.

55. Рассел, С. Искусственный интеллект: современный подход : пер. с англ. / С. Рассел, П. Норвиг. - 2-е изд. - Москва : Изд. дом "Вильяме", 2006. -1408 с. - Текст : непосредственный.

56. Фу, К. Последовательные методы в распознавании и обучении машин / К. Фу. — Москва : Наука, 1971. - 256 с. - Текст : непосредственный.

57. Хайкин, С. Нейронные сети: полный курс : пер. с англ. / С. Хайкин. -2-е изд. - Москва : Изд. дом "Вильяме", 2006. - 1104 с. - Текст : непосредственный.

58. Левин, В. М. Интеллектуальная диагностика оборудования -компонент активно-адаптивной электрической сети / В. М. Левин, Д. В. Танфильева. - Текст : непосредственный // Научные проблемы транспорта Сибири и Дальнего Востока. - 2012. - № 2. - С. 272-275.

59. Zeng, X. J. Approximation theory of fuzzy systems - MIMO case / X. J. Zeng, M. G. Singh. - Текст : непосредственный // IEEE Trans. Fuzzy Systems. -

1995. - Vol. 3, № 2. - P. 219-235.

60. Sugeno, M. Successive identification of a fuzzy model and its applications to prediction of complex system / M. Sugeno, K. Tanaka. - Текст : непосредственный // Fuzzy Sets and Systems. - 1991. - Vol. 42. - Р. 315-334.

61. Борисов, В. В. Нечеткие модели и сети / В. В. Борисов, В. В. Круглов, А. С.Федулов. - 2-е изд., стереотип. - Москва : Горячая линия-Телеком, 2021. -284 с. - Текст : непосредственный.

62. Леоненков, А. В. Нечеткое моделирование в среде MATLAB и fuzzyTECH / А. В. Леоненков. - Санкт-Петербург : БХВ-Петербург, 2003. - 736 с. - Текст : непосредственный.

63. Штовба, С. Д. Проектирование нечетких систем средствами MATLAB / С. Д. Штовба. - Москва : Горячая линия-Телеком, 2007. - 288 с. - Текст : непосредственный.

64. Рутковская, М. Нейронные сети, генетические алгоритмя и нечеткие системы / М. Рутковская, М. Пилиньковский, Л. Рутковский. - Москва : Горячая линия-Телеком, 2004. - 269 с. - Текст : непосредственный.

65. Wang, L. X. Generating fuzzy rules by learning from examples / L. X. Wang, J. M. Mendel. - Текст : непосредственный // IEEE Transaction on Systems, Man and Cybernetics. - 1992. - Vol. 22, № 6. - Р. 1414-1427.

66. Круглов, В. В. Сравнение алгоритмов Мамдани и Сугэно в задаче аппроксимации функции / В. В. Круглов. - Текст : непосредственный // Нейрокомпьютеры : разработка, применение. - 2003. - № 5. - С. 34-38.

67. Branco, R. J. C. A fuzzy relational identification algorithm and its application to predict the behavior of a motor drive system / R. J. C. Branco, J. A. Dente. - Текст : непосредственный // Fuzzy Sets and Systems. - 2000. - Vol. 109. - P. 343-354.

68. Анализ достоверности распознавания типов дефектов трансформаторов при использовании отношений пар газов и графических образов объектов / О. В. Шутенко, Д. Н. Баклай, Т. А. Острикова, Н. Ю. Мельник. - Текст : непосредственный // Вюник Нащонального техшчного

ушверситету "ХП1". Сер. : Енергетика: надшнють та енергоефективнiсть. -2013. - № 17. - С. 180-189.

69. International Standard IEC 60567. Oil-filled electrical equipment-Sampling of gases and of oil for analysis of free and dissolved gases-Guidance / Commission Electrotechnique Internationale XB International Electrotechnical Commission = Международная Электротехническая Комиссия. - Third edition. - 2005-06. -URL : https://webstore.iec.ch/p-preview/info_iec60567%7Bed3.0%7Den_d.pdf. -Текст : электронный.

70. Давиденко, И. В. Идентификация дефектов трансформаторов по анализу газов, растворенных в масле / И. В. Давиденко, К. В. Овчинников. -Текст : непосредственный // Электротехника. - 2019. - № 4. - С. 48-54.

71. Овчинников, К. В. Анализ точности методов идентификации вида дефекта трансформатора по результатам АРГ / К. В. Овчинников, И. В. Давиденко. - Текст : непосредственный // Тр. второй науч.-техн. конф. молодых ученых Урал. энергет. ин-та. - Екатеринбург : Изд-во УрФУ, 2017. - С. 273276.

72. Fault Prediction of Transformer Using Machine Learning and DGA / D. Saravanan, A. Hasan, A. Singh [et al.]. - Тест : непосредственный // IEEE International Conference on Computing, Power and Communication Technologies (GUCON), Galgotias University, Greater Noida, UP, India. Oct. 2-4, 2020. - Greater Noida, UP, India, 2020. - Р. 1-5.

73. Poonnoy, N. Fuzzy Logic Approach to Dissolved Gas Analysis for Power Transformer Failure Index and Fault Identification / N. Poonnoy, C. Suwanasri, T. Suwanasri. - Текст : непосредственный // Energies. - 2020. - Vol. 14(1), № 36. -Р. 1-17.

74. Irungu, G. K. Application of Dissolved Gas Analysis in Assessing Degree of Healthiness or Faultiness with Fault Identification in Oil-Immersed Equipment / G. K. Irungu, A. O. Akumu. - Текст : непосредственный // Energies. - 2020. - Vol. 13(18). - Article 4770. - Р. 1-24.

75. Taha, I. B. M. Transformer fault types and severity class prediction based

on neural pattern-recognition techniques / I. B. M. Taha, S. S. Dessouky, S. S. M. Ghoneim. - Текст : непосредственный // Electric Power Systems Research. - 2021.

- Vol. 191. - Article 106899. - Р. 1-12.

76. IEEE Std C57.104-2008 (Revision of IEEE Std C57.104-1991). IEEE Guide for the Interpretation of Gases Generated in Oil-Immersed Transformers / Sponsor Transformers Committee of the IEEE Power & Energy Society. - New York, USA, 2009. - 45 р. - Текст : непосредственный.

77. Husain, Z. Fuzzy logic expert system for incipient fault diagnosis of power transformers / Z. Husain. - Текст : непосредственный // Int. J. Electr. Eng. Informatics. - 2018. - Vol. 10, № 2. - Р. 300-317.

78. Sdood Abd Al-Gbar Hmood AL- Auqaili. A New Fuzzy Logic Approach to Identify Transformer Criticality using Dissolved Gas Analysis : thesis is presented for the Degree of aster of Philosophy / Sdood Abd Al-Gbar Hmood AL- Auqaili. -Department of Electrical and Computer Engineering, 2013. - 88р. - Текст : непосредственный.

79. Гатауллин, А. М. Система мониторинга и диагностирования высоковольтного оборудования на основе анализа статистических параметров ЧР / А. М. Гатауллин, В. Л. Матухин, Б. А. Наумов. - Текст : непосредственный // Изв. высших учебных заведений.. Проблемы энергетики. - 2013. - № 7-8. - С. 19-26.

80. Методы статистического моделирования случайных величин по эмпирическим распределениям / Э. М. Фархадзаде, А. З. Мурадалиев, Т. К. Рафиева, У. К. Назирова. - Текст : непосредственный // Изв. высших учебных заведений. Проблемы энергетики. - 2008. - № 9-10. - С. 112-120.

81. Левин, В. М. Статистический метод распознавания дефектов в силовых трансформаторах при их техническом обслуживании по состоянию / В. М. Левин. - Текст : непосредственный // Промышленная энергетика. - 2013.

- № 8. - С. 37-42.

82. Завидей, В. И. Возможности применения тепловизионного контроля для диагностики технического состояния силовых трансформаторов / В. И.

Завидей, В. И. Печенкин, С. В. Каланчин. - Текст : непосредственный // Энергоэксперт. - 2011. - № 6. - С. 64-67.

83. Давиденко, И. В. Идентификация дефектов в трансформаторах 35-500 кВ на основе АРГ / И. В. Давиденко, В. И. Комаров. - Текст : электронный // energoboard. - URL: http://www.energoboard.ru/articles/720-identifikatsiya-defektov-v-transformatorah-35-500kv-na-osnove-arg.html (дата обращения: 02.04.2021).

84. Давиденко, И. В. Применение методов математической статистики для получения критериев оценки состояния силовых трансформаторов по результатам хроматографического анализа растворенных в масле газов / И. В. Давиденко, В. И. Комаров. - Текст : непосредственный // ЭЛЕКТРО. Электротехника, электроэнергетика, электротехническая промышленность. -2003. - №1. - С. 37-41.

85. Левин, В. М. Идентификатор состояний маслонаполненного трансформаторного оборудования на основе анализа растворенных газов / В. М. Левин. - Текст : непосредственный // Изв. высших учебных заведений. СевероКавказский регион. Технические науки. - 2014. - № 5. - С. 22-26.

86. Давиденко, И. В. Методика получения допустимых и предельно допустимых значений контролируемых параметров маслонаполненного оборудования на основе массива наблюдаемых данных на примере анализа растворенных в масле газов / И. В. Давиденко . - Текст : непосредственный // Электричество. - 2009. - № 6. - С. 10-21.

87. Захаров, А. В. Корреляционные характеристики диагностических параметров газов, растворенных в масле, при нормальном режиме работы трансформатора / А. В. Захаров. - Текст : непосредственный // Новое в российской электроэнергетике. - 2002. - № 1. - С. 36-40.

88. Попов, Г. В. Об оценке состояния силовых трансформаторов по результатам хроматографического анализа / Г. В. Попов. - Текст : непосредственный // ЭЛЕКТРО. Электротехника, электроэнергетика, электротехническая промышленность. - 2003. - №3. - С. 36-40.

89. Попов, Г. В. О совершенствовании технологий диагностирования маслонаполненного электротехнического оборудования / Г. В. Попов. - Текст : непосредственный // Новое в российской электроэнергетике. - 2001. - № 7. - С. 28-32.

90. Левин, В. М. Принципы статистической идентификации в задачах диагностирования и мониторинга маслонаполненного оборудования / В. М. Левин. - Текст : непосредственный // Энергетика: эффективность, надежность, безопасность : материалы тр. XX Всероссийской науч.-техн. конф., Томский политехн. ун-т. - Томск : Изд-во Том. политехн.ун-та. - 2014. - Т. I. - С.98-103.

91. Яхья, А. А. Адаптивное управление техническим состоянием силовых трансформаторов / А. А. Яхья, В. М. Левин. - Текст : электронный // Новое в российской электроэнергетике. - 2018. - № 11. - С. 81-89. - URL: http:// http://www.energo-press.info (дата обращения: 19.04.2021)

92. Гмурман, В. Е. Руководство к решению задач по теории вероятностей и математической статистике / В. Е. Гмурман. - Москва : Высш. школа, 1979. -400 с. - Текст : непосредственный.

93. Померанцев, А. Метод главных компонент (РСА) : пособие / А. Померанцев.- URL: http://bourabai.ru/cm/pca.htm (дата обращения: 5.05.2021).

- Текст : электронный.

94. Смоляк, С. А. Устойчивые методы оценивания: (Статистическая обработка неоднородных совокупностей) / С. А. Смоляк, Б. П. Титаренко. -Москва : Статистика, 1980. - 208 с. - Текст : непосредственный.

95. Вапник, В. Н. Теория распознавания образов (Статистические проблемы обучения) / В. Н. Вапник, Ф. Я. Червоненкис. - Москва : Наука, 1974.

- 416 с. - Текст : непосредственный.

96. Yahya, A. A. Adaptive management of technical condition of power transformers / V. M. Levin, A. A. Yahya. - Текст : электронный // International Journal of Electrical and Computer Engineering. - 2020. - Vol. 10, Is. 4. - P. 38623868. - URL: https://www.scopus.com/authid/detail.uri?authorId=57215422508 (дата обращения: 16.03.2021). - DOI: 10.11591/ijece.v10i4.pp3862-3868.

97. Мерков, А. Б. Распознавание образов. Введение в методы статистического обучения / А. Б. Мерков. - Москва : URSS, 2019. -256 с. -Текст : непосредственный.

98. Биргер, И. А. Техническая диагностика / И. А. Биргер. - Москва : Машиностроение, 1978. - 240 с. - Текст : непосредственный.

99. Савчук, В. П. Байесовские методы статистического оценивания: Надежность технических объектов / В. П. Савчук. - Москва : Наука, 1989. - 328 с. - Текст : непосредственный.

100. Методы и средства повышения достоверности ультрафиолетовой диагностики изоляции контактной сети / Ф. Д. Железнов, В. А. Акулов, Ю. И. Плотников [и др.]. - Текст : электронный // ПАНАТЕСТ [сайт]. - URL: www.panatest.ru/static?al=ultrafioletovaj a-diagnostika-izolj acii-contaktnoj-seti (дата обращения: 28.08.2020).

101. Повышение достоверности оценки измеряемых параметров технического состояния / М. С. Чернопазов, И. С. Миронов, С. А. Постаногов [и др.]. - Текст : непосредственный // ŒTERIS PARIBUS : науч. переод. изд. -2015. - № 3. - С. 24-29.

102. Кузнецова, М. И. Повышение достоверности диагностирования технического состояния газотурбинных установок / М. И. Кузнецова, С. В. Китаев. - Текст : непосредственный // Транспорт и хранение нефтепродуктов и углеводородного сырья. - 2014. - №3. - С. 25-28.

103. Агарков, С. А. Система тепловизионной диагностики электро- и теплоэнергетического оборудования на судах и объектах береговой инфраструктуры / С. А. Агарков, А. Б. Власов, Ю. И. Юдин. - Текст : непосредственный // Вестник Астрах. гос. техн. ун-та. Серия: Морская техника и технология. - 2016. - №3. - С. 66-74.

104. On-line transformer condition monitoring through diagnostics and anomaly detection / V. M. Catterson, S. E. Rudd, S. D. J. McArthur, G. Moss. -Текст : непосредственный // IEEE International Conference on Intelligent Systems Application to Power Systems (ISAP), 8-12 Nov. 2009. - Curitiba, Brazil, 2009. - Р.

27-35.

105. Doncuk, J. Condition assessment of power transformer using gas detection methods / J. Doncuk, V. Mentlik, J. Velek. - Ткст : электронный // Przegl^d Elektrotechniczny. - 2013. - R. 89 NR 1a/2013. - S.164-168. - URL: http://pe.org.pl/articles/2013/1a/42.pdf (дата обращения: 20.08.2020)

106. Mirowski, P. Statistical Machine Learning and Dissolved Gas Analysis: a Review / P. Mirowski, Ya. LeCun. - Текст : непосредственный // IEEE Transactions on Power Delivery. - 2012. - Vol. 27, Is. 4. - Р. 1791-1799.

107. Transformer fault diagnosis using continuous sparse auto encoder / L. Wang, X. Zhao, J. Pei, X. Zhao. - Текст : непосредственный // Springer Plus. -2016. - Vol. 5(1). - Article 448. - Р. 1-13.

108. Коваленко, Д. А. Применение корреляционного анализа при активно-тепловой диагностике внутреннего состояния силовых трансформаторов / Д. А. Коваленко, В. И. Завидей, В. И. Печенкин. - Текст : непосредственный // В мире научных публикаций. - 2015. - № 2 (62). - С. 449464.

109. Прикладная статистика. Классификация и снижение размерности / С. А. Айвазян, В. М. Бухштабер, И. С. Енюков, Л. Д. Мешалкин. - Москва : Финансы и статистика, 1989. - 607 с. - Текст : непосредственный.

110. Puza, B. Bayesian methods for statistical analysis / B. Puza. - Canberra : Australian National University, 2015. - 677 p. - Текст : непосредственный.

111. Методика статистического приемочного контроля на основе байесовского подхода (гипергеометрическое распределение) / С. В. Юдин, В. Б. Протасьев, Р. Ю. Подкопаев, А. С. Юдин. - Текст : непосредственный // Современные наукоемкие технологии. - 2018. - № 10. -С. 161-165.

112. Левин, В. М. Статистическая идентификация дефектов - инструмент интеллектуальной диагностики оборудования / В. М. Левин, А. А. Яхья. - Текст : непосредственный // Интеллектуальная энергетика на транспорте и в промышленности : материалы всероссийской молодежной науч.-практ. конф. с междунар. участием. 2018. - Омск : Изд-во ОмГУПС. - С. 16-18.

113. Левин, В. М. Идентификация параметров бездефектного состояния маслонаполненных трансформаторов / В. М. Левин, Н. Н. Керимкулов. - Текст : непосредственный // Научный вестник НГТУ. - 2016. - № 4 (65). - С. 194-206.

114. Танфильева, Д. В. Разработка моделей диагностики и оценки состояния силовых маслонаполненных трансформаторов: специальность 05.14.02 «Электростанции и электроэнергетические системы» : дис. на соискание ученой степени кандидата техн. наук / Д. В. Танфильева. -Новосибирск, 2012. - 192 с. - Текст : непосредственный.

115. Duval, M. Interpretation of gas-in-oil analysis using new IEC publication 60599 and IEC TC 10 databases / M. Duval, A. DePabla. - Текст : непосредственный // IEEE Electr. Insul. Mag. - 2001. - Vol. 17, № 2. - Р. 31-41.

116. Горбаченко, В. И. Интеллектуальные системы: нечеткие системы и сети : учебное пособие для вузов / В. И. Горбаченко, Б. С. Ахметов, О. Ю. Кузнецова. - 2-е изд., испр. и доп. - Москва : Юрайт, 2020. - 105 с. -(Высшее образование). — ISBN 978-5-534-08359-0. — Текст : электронный // Образовательная платформа Юрайт. - URL: https://urait.ru/bcode/453629 (дата обращения: 17.06.2021).

117. Нечеткая логика: алгебраические основы и приложения : монография / С. Л. Блюмин, И. А. Шуйкова, П. В. Сараев, И. В. Черпаков. -Липецк : Изд-во ЛЭГИ. 2002. - 113 с. - Текст : непосредственный.

118. Integrated power transformer diagnosis using hybrid fuzzy dissolved gas analysis / C. H. Liu, T. Bin Lin, L. Yao, S. Y. Wang. - Текст : непосредственный // IEEJ Trans. Electr. Electron. Eng. - 2015. - Vol. 10, № 6. - Р. 689-698.

119. Газоанализатор для непрерывного контроля концентрации газов в трансформаторном масле : описание // Пергам [сайт] - URL: https://www.pergam.ru/catalog/electrical_equipment/monitoring_transformers/hydra n-201ti.htm (дата обращения: 17.10.2021). - Текст : электронный.

120. ГОСТ Р 56862-2016 Система управления жизненным циклом. Разработка концепции изделия и технологий. Термины и определения. -

Москва : Стандартинформ, 2018. - 8 с. - Текст : непосредственный.

121. Андреев, Д. А. Управление жизненным циклом электроустановок при эксплуатации по техническому состоянию / Д. А. Андреев, А. Н. Назарычев. - Текст : непосредственный // Надежность и безопасность энергетики. - 2013. - № 3(22). - С. 32-36.

122. Оперативная экспертная оценка технического состояния мощных силовых трансформаторов. «Димрус». Общее описание диагностических и экспертных алгоритмов программного обеспечения INVA системы TDM для мониторинга мощных силовых трансформаторов. - 23 c. - (DiMRUS. Диагностические решения в энергетике). - URL: https://dimrus.ru/manuals/tdm_diag1.pdf (дата обращения: 12.11.2021). - Текст : электронный.

123. Sparling, B. D. Power transformer life extension through better monitoring / B. D. Sparling, J. Aubin. - URL: http://site.geenergy.com/prod_serv/plants_ td/en/downloads/powergrid_europe07.pdf (дата обращения: 12.11.2021). - Текст : электронный.

124. Crossey, J. Next generation on-line monitoring and diagnostics for power transformers / J. Crossey, E. A. Mackenzie. - URL: http://www.cigregcc.org/wpcontent/ uploads/2012/10/paper-501.pdf (дата обращения: 12.11.2021). - Текст : электронный.

125. Хальясмаа, А. И. Разработка системы оценки технического состояния электросетевого оборудования на основе нейро-нечеткого логического вывода : специальность 05.14.02 «Электрические станции и электроэнергетические системы» : автореф. дис. на соискании степени кандидата техн. наук / А. И. Хальясмаа. -. - Екатеринбург. - 2015. - 23 с. -Текст : непосредственный.

126. Левин, В. М. Система информационно-аналитической поддержки принятия решений по эксплуатации силовых трансформаторов = System of information and analytical support for decision-making on operation of power transformers / В. М. Левин, А. Яхья. - Текст : непосредственный // Главный

энергетик. - 2019. - № 9. - С. 52-62.

127. Левин, В. М. Принципы статистической идентификации в задачах мониторинга и диагностирования маслонаполненного оборудования / В. М. Левин. - Текст : непосредственный // Энергетика: эффективность, надежность, безопасность : материалы тр. 20 всероссийкой науч.-техн. конф., Томск, 2-4 дек. 2014 г. - Томск : Изд-во ТПУ, 2014. - Т. 1. - С. 98-103.

128. СТО 34.01-23.1-001-2017 Объем и нормы испытаний электрооборудования. Стандарт организации ПАО «Россети». - Москва : ПАО «Россети», 2017. - URL: https://files.stroyinf.ru/Data2/1/4293734154.pdf (дата обращения : 17.09.21). - Текст : электронный.

129. Методика оценки технического состояния основного технологического оборудования и линий электропередачи электрических станций и электрических сетей : утв. Приказом Минэнерго России от 26.07.2017 № 676 // Электронный фонд правовых и нормативно-технических документов. - URL: https://docs.cntd.ru/document/456088008?marker=6500IL (дата обращения: 17.09.21). - Текст : электронный.

130. Dissolved gas analysis equipment for online monitoring of transformer oil / S. Bustamante, M. Manana, A. Arroyo [et al.]. - Текст : электронный // Sensors. - 2019. - Vol. 19(19). - URL: https://www.mdpi.com/1424-8220/19/19/4057 (дата обращения: 17.11.21)

131. Validity Evaluation of Transformer DGA Online Monitoring Data in Grid Edge Systems / J. Jia, F. Tao , G. Zhang [et al.]. - Текст : непосредственный // IEEE Access. - 2020. - Vol. 8. - Р. 60759-60768.

132. Power transformer condition assessment based on the online monitor with SOFC chromatographic detector / J. Fan, F. Chenyang, Y. Hao [et al.]. - Текст : непосредственный // International Journal of Electrical Power & Energy Systems. -2020. - Vol. 118. - Article105805.

133. Short Term Trend Forecast of On-Line Monitoring Data of Dissolved Gas in Power Transformer / P. Zhang , B. Qi, Q. Chen [et al.]. - Текст : электронный // IEEE Electrical Insulation Conference (EIC), San Antonio, 17-20

June 2018. - San Antonio, TX, USA, 2018. - Р. 240-243. - URL: https://ieeexplore.ieee.org/document/8481132 (дата обращения: 11.07.2021).

134. Saad, M. On-line gas monitoring for increased transformer protection / Mickel Saad, Ed teNyenhuis. - Текст : электронный // IEEE Electrical Power and Energy Conference (EPEC), Saskatoon, SK, Canada, 22-25 Oct. 2017. - IEEE, 2017.

- Р. 1-4. - URL: https://ieeexplore.ieee.org/document/8286169 (дата обращения: 17.07.2021)

135. Novel engineering techniques to overcoming traditional challenges in online condition monitoring systems for power transformer / J. Chow, R. Lee, E. Wonget [al. al.]- Текст : электронный // HKIE Transactions. - 2018. - Vol. 25, №4.

- Р. 248-254. - URL: https://www.tandfonline.com/doi/full/10.1080/1023697X.2018.1539348 (дата обращения: 4.08.2021).

136. Online Fault Gas Monitoring System for Hermetically Sealed Power Transformers / M. Akbari Azirani; M. Kuhnke; P. Werle; W. Sorgatz. - Текст : электронный // Condition Monitoring and Diagnosis (CMD), Perth, WA, Australia, 23-26 Sept. 2018. - Perth : IEEE, 2018. - Р. 1-5. - URL: https://ieeexplore.ieee.org/document/8535777 (дата обращения: 18.09.2021). - DOI: 10.1109/CMD.2018.8535777.

137. McDiarmid, C. Online Conditioning Monitoring of Electricity Assets-a Literature Review / C. McDiarmid, A. Miller. - Текст : непосредственный // EEA Conference & Exhibition, University of Canterbury. - Wellington, 2017. - Р. 21-23.

138. An online monitoring system for oil-immersed power transformer based on SnO 2 GC detector with a new quantification approach / Jingmin Fan, Feng Wang, Qiuqin Sun [et al.]. - Текст : непосредственный // IEEE Sensors Journal. -2017. - Vol. 17 (20). - Р. 6662-6671.

139. Basuki, A. Integration of Online Transformer Condition Monitoring into SCADA Systems / Arief Basuki, Suwarno. - Текст : непосредственный // 53rd International Universities Power Engineering Conference (UPEC), Glasgow, UK, 4-7 Sept. 2018. - Glasgow : IEEE, 2018. - Р. 1-6.

140. McGrail T. Condition monitoring: Dissolved Gas Analysis for transformer health management / T. McGrail. - Текст : непосредственный // Transformers Magazine. - 2018. - Vol. 5, (3). - Р. 68-73.

141. Velásquez, R. M. A. Principal components analysis and adaptive decision system based on fuzzy logic for power transformer / R. M. A. Velásquez, J. V. M. Lara. - Текст : непосредственный // Fuzzy Information and Engineering. -2017. - Vol. 9, (4). - Р. 493-514.

142. Wu, X. Deep Parallel Diagnostic Method for Transformer Dissolved Gas Analysis / X. Wu, Y.He, J. Duan. - Текст : непосредственный // Applied Sciences. - 2020. - Vol. 10, (4). - Article 1329.

143. Левин, В. М. О проблемах в эксплуатации оборудования иностранного производства на объектах отечественной энергетики / В. М. Левин, К. И. Сагалакова, А. Яхья. - Текст : непосредственный // Научный вестник Новосиб. гос. техн. ун-та. - 2019. - № 4 (77). - С. 147-160.

144. Интеллектуальная система контроля, тип TEC : техн. рук. - 2008. -URL: https://docplayer.com/34626164-1zsc-abg-ru-intellektualnaya-sistema-kontrolya-tip-tec-tehnicheskoe-rukovodstvo.html (дата обращения: 20.10. 21). -Текст : электронный.

145. Реле «TIM-3» - мониторинг и диагностика технического состояния изоляции трансформаторов. - URL: https://www.electronpribor.ru/files/products/1-2.pdf (дата обращения: 23.11.21). - Текст : электронный.

146. Система непрерывного контроля трансформаторного масла HYDRAN M2 // ООО "ЗЭО" [сайт]. - URL: http://zeo-sar.ru/rus/equipment/measuring_devices/hydran-m2 .html (дата обращения: 11.12.2021). - Текст : электронный.

ПРИЛОЖЕНИЕ А (Акты и справки о внедрении результатов научных

исследований)

Первый заместитель управляющего директора - главный инженер ООО «Ноябрьскэ^нергонефть»

Вакуленко « ■// 2020 г.

СПРАВКА

о практическом применении результатов диссертационной работы A.A. Яхья

В настоящее время ООО «Ноябрьскэнергонефть» завершает многоэтапный процесс создания уникальной автоматизированной системы управления производственными активами энергетического блока ПАО «Газпром нефть». Одним из ключевых этапов этого процесса явилась разработка совместно с НГТУ современной базы нормативно-методической документации.

В разработанных нормативно-методических документах: М-01.08.01.01-01 «Система технического обслуживания и ремонта энергетического оборудования ПАО «Газпром нефть» по техническому состоянию на основании риск-ориентированного подхода» и М-01.08.01.01-03 «Методы неразрушающего контроля и технической диагностики» нашли практическое применение результаты научных исследований аспиранта кафедры АЭЭС A.A. Яхья.

Полученные A.A. Яхья результаты исследований в виде оригинальных вычислительных моделей и алгоритмов обладают элементами научной новизны и используются в расчетах по оценке текущих значений индекса технического состояния единиц основного энергетического оборудования подстанций разных типов и классов напряжения (силовых трансформаторов, асинхронных двигателей, др.), а также значений их остаточного ресурса. Это позволяет при оптимизации планирования ТОиР энергооборудования учитывать его фактическое техническое состояние и повышает обоснованность принятия решений по объемам и периодичности технических воздействий.

Заместитель управляющего

по развитию новых проектов

Д. В. Топильский

«УТВЕРЖДАЮ»

АКТ

внедрения научных результатов диссертационной работы Аммара А. Яхья в учебный процесс Новосибирского государственного технического

университета

Результаты научных исследований Аммара Абдулазиза Яхья внедрены в учебный процесс кафедры Автоматизированных электроэнергетических систем при подготовке магистров по направлению 13.04.02, профиль -«Электроэнергетические системы и сети».

Разработанные автором математические модели идентификации дефектов в высоковольтном трансформаторном оборудовании, алгоритмы поддержки принятия решений по дальнейшей эксплуатации и программное обеспечение для оперативной и прогнозной оценки технического состояния трансформаторов используются студентами при выполнении расчетно-графических, практических и лабораторных заданий по дисциплине «Эксплуатация электрических сетей», а также в процессе подготовки выпускных квалификационных работ по направлению.

Заведующий кафедрой АЭЭС, д.т.н., доцент

В.М. Левин

Заведующему кафедрой АЭЭС НГТУ В.М. Левину

email: [e-mail]

ул. Новоморская, д. 4, г. Новосибирск, Новосибирская область, Российская Федерация, 630056

т.: 8 [phone] / [phone] т.: [phone] ф.: [phone]

[e-mail]

www.rushydro.ru

от OS.06.2020 N,93-18.1-

на N»_от_

О практическом применении научных результатов диссертационной работы

СПРАВКА

о практическом применении научных результатов диссертационной работы аспиранта кафедры АЭЭС НГТУ A.A. Яхья

В настоящее время в филиале ПАО "РусГидро" - "Новосибирская ГЭС" завершается масштабная модернизация основного энергетического оборудования, целью которого является улучшение технико-экономических показателей станции, повышение ее энергетического потенциала, надежности и безопасности производства. К составу основного оборудования относятся и силовые трансформаторы, от надежности которых напрямую зависит надежность и безопасность функционирования станции.

Разработанные A.A. Яхья адаптивные модели предиктивной диагностики и оперативной оценки технического состояния силовых трансформаторов, а также методика их формирования и алгоритм принятия решений по управлению техническим состоянием представляют собой эффективное специализированное дополнение к существующей системе мониторинга трансформаторного оборудования. Перечисленные результаты исследований автора целевым образом ориентированы на проблематику и получены по заданию Новосибирской ГЭС. Они обладают научным содержанием и новизной, имеют практическую полезность для обеспечения надежной эксплуатации силовых маслонаполненных трансформаторов, повышения эффективности мониторинга их технического состояния, оперативного выявления опасных развивающихся дефектов и предотвращения сбоев в работе станции.

Первый заместитель директора главный инженер

Исп.Шиловская E.H. Тел. [phone]

I

ПРИЛОЖЕНИЕ В (Свидетельство о регистрации прикладного

программного продукта)